继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
9 u5 `) a# P3 [. b% S----------------------------------------------
" j; A9 t/ g' @# j+ G* r5 |import torch
import numpy as np
import matplotlib.pyplot as plt
; p3 R5 |+ b9 t  `! m, w4 ximport random
( \  X( x0 ~8 O" Z7 ^7 L
x = torch.tensor(np.arange(1,100,1))
$ q/ Y0 W# I/ O( ^2 W$ [y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
3 ^4 R  C. ]6 X+ m# g. {
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

1 i. M2 n- Y: K1 \; p1 Z+ jepochs = 100

losses = []
9 h& P' f5 o3 u2 z9 kfor i in range(epochs):
! v: j) B: a3 k* ~- v  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
8 `% [9 }/ G# G' \1 p6 j
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
; c3 B5 n! j6 E  with torch.no_grad():
9 {' d* B, \# @* R9 [- z    w  -= w.grad*0.0001   # 回归 w
5 O) L) @" A9 T, ~    b  -= b.grad*0.0001    # 回归 b
, L, h* K- x1 I+ I  w.grad.zero_()  
8 ]/ g& @. ^7 {! H/ e( |  b.grad.zero_()
3 r+ F, r5 J; z
4 R& Y3 k2 a( U* U. I: gprint(w.item(),b.item()) #结果
" a2 @: F- ^* r4 W* `( |0 @% \
Output： 27.26387596130371  0.4974517822265625
5 U, y+ Z* t" Z3 N9 E! E3 e4 @$ T----------------------------------------------
9 ]4 Q0 L( J/ b$ _最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
+ }( A8 z: K/ K$ ~  U% M# a

老福

没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
* G' ?: R* `9 G' A( f3 r: d. e7 J% O没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
: Z6 P0 s( e) U: x1 }  }: B-------
5 ^3 l4 Y; y1 L不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
: ]% M7 O2 S! m" q' u我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

! I& u  u: x6 [' Z4 l

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

8 t. }6 V- E. r# L4 R# }. P0 [0 M+ S
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

/ p9 Z+ m5 p# _; y或者把b但的起点改为1试试。

雷达

2 k. {$ s1 G2 m

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

0 B3 B3 M0 X8 J2 G0 S; Z或者把b但的起点改为1试试。 ...

( \& K3 P& v4 a& e. X4 P& N, l/ |6 ~  y
, X/ W& n: D; g% r- K3 t你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
* L, l1 O1 C+ Y5 G7 W8 \y = (x*27+15).reshape(-1)

$ b: V0 ^, @; r* |循环次数加成10倍，就看到 b 收敛了
1 Y$ Q& M% h/ i0 E5 N! V# o" w8 Fw , b
27.002620697021484 14.826167106628418

  `. w; S; w4 q7 d+ r4 E和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。